我正在尝试将时间序列数据从长格式转换为宽格式。下面给出数据如下。
+======+==========+======+======+
| Name | Date | Val1 | Val2 |
+======+==========+======+======+
| A | 1/1/2018 | 1 | 2 |
+------+----------+------+------+
| B | 1/1/2018 | 2 | 3 |
+------+----------+------+------+
| C | 1/1/2018 | 3 | 4 |
+------+----------+------+------+
| D | 1/4/2018 | 4 | 5 |
+------+----------+------+------+
| A | 1/4/2018 | 5 | 6 |
+------+----------+------+------+
| B | 1/4/2018 | 6 | 7 |
+------+----------+------+------+
| C | 1/4/2018 | 7 | 8 |
+------+----------+------+------+
我的最终目标是为 01/01/2018
到 01/04/2018
的日期范围创建数据透视表。由于在日期 01/02/2018
或 01/03/2018
没有值,我希望它们用 NaN
填充。为了进一步简单起见,这就是我的最终表格的样子:
+---+---------------+---------------+---------------+---------------+---------------+---------------+---------------+---------------+
| | Val1.1/1/2018 | Val2.1/1/2018 | Val1.1/2/2018 | Val2.1/2/2018 | Val1.1/3/2018 | Val2.1/3/2018 | Val1.1/4/2018 | Val2.1/4/2018 |
+---+---------------+---------------+---------------+---------------+---------------+---------------+---------------+---------------+
| A | 1 | 2 | NULL | NULL | NULL | NULL | 5 | 6 |
| B | 2 | 3 | NULL | NULL | NULL | NULL | 6 | 7 |
| C | 3 | 4 | NULL | NULL | NULL | NULL | 7 | 8 |
| D | NULL | NULL | NULL | NULL | NULL | NULL | 4 | 5 |
+---+---------------+---------------+---------------+---------------+---------------+---------------+---------------+---------------+
根据我的理解,有两个步骤可以上表。
首先是以长格式填充数据,日期不在 01/01/2018
到 01/04/2018
之间,即 01/02/2018
和 01/03/2018
。
第二步也是最后一步是以宽格式转换数据。
为了实现第一步,我引用了这个 post .
根据答案,如果多行中有相似的日期 df.reindex(date_range)
会引发以下错误,ValueError: cannot reindex from a duplicate axis
这是真的,并且克服了我遵循以下代码的问题。
df['Date'] = pd.to_datetime(df['Date'], format='%m/%d/%Y')
df.set_index('Date', inplace = True)
date_range = pd.date_range('2018-01-01', '2018-01-04', freq='D')
df = df.loc(date_range)
上面的代码给我带来了以下错误:
TypeError: unhashable type: 'DatetimeIndex'
我使用这行代码解决了上述问题
df = df.loc[date_range,:]
虽然我能够获得所需的长格式,但 Python 给出如下警告:
Passing list-likes to .loc or [] with any missing label will raise
KeyError in the future, you can use .reindex() as an alternative.
我认为上述警告表明我实现缺少日期的长格式表的方法不正确,对吗?如果是,那么我应该怎么做呢?此外,我将如何获得我想要的宽幅表作为我的最终表?
编辑:
我已到达仅包含日期 '01/01/2018'
和 '01/04/2018'
的数据透视表。以下是一段代码。
df1 = df.pivot_table(index='Name', columns='Date', aggfunc='sum')
最佳答案
首先重新索引 Dataframe 以添加缺失的日期。然后旋转并合并列。
idx = pd.MultiIndex.from_product([df.Name.unique(), pd.date_range(df.Date.min(), df.Date.max())])
df = df.set_index(['Name','Date']).reindex(idx).reset_index().rename(columns = {'level_0':'Name', 'level_1':'Date'})
df.Date = df.Date.dt.strftime('%m/%d/%Y')
new_df = df.pivot('Name', 'Date', ['Val1', 'Val2'])
new_df.columns = new_df.columns.map('.'.join)
Val1.01/01/2018 Val1.01/02/2018 Val1.01/03/2018 Val1.01/04/2018 Val2.01/01/2018 Val2.01/02/2018 Val2.01/03/2018 Val2.01/04/2018
Name
A 1.0 NaN NaN 5.0 2.0 NaN NaN 6.0
B 2.0 NaN NaN 6.0 3.0 NaN NaN 7.0
C 3.0 NaN NaN 7.0 4.0 NaN NaN 8.0
D NaN NaN NaN 4.0 NaN NaN NaN 5.0
关于python - Pandas Data Frame 将特定日期范围的长格式数据转换为宽格式,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54844453/